Peluang, rata-rata, dan sebaran
Kenapa ini penting Data pelatihan adalah sampel acak, bobot dimulai secara acak, dan classifier mengeluarkan probabilitas. Kamu hanya butuh probabilitas yang cukup untuk membaca angka-angka tersebut.
Lihat sendiri
Lempar dadu yang adil berkali-kali. Setiap sisi muncul sekitar 1 kali dalam 6. Rata-rata dari sisi-sisinya menetap di dekat 3.5, meskipun kamu tidak pernah bisa melempar 3.5. Nilai yang menetap itu adalah expected value: rata-rata jangka panjang.
Sampel yang lebih besar memberikan rata-rata yang lebih dekat ke 3.5. Dengan 10 roll kamu mungkin melihat 2.9 atau 4.1; dengan 10,000 roll kamu akan melihat sesuatu seperti 3.49 atau 3.51. Ingat ini: angka yang diukur pada beberapa contoh akan goyah; pada banyak contoh, angka itu akan stabil.
Probability: bagian jangka panjang dari berapa kali sesuatu terjadi. Expected value: rata-rata jangka panjang, jumlah dari setiap hasil dikali probabilitasnya.
Ringkasan Rata-rata menjadi stabil saat sampel bertambah. Sampel kecil sedikit menipu.
Kata dan simbol di pelajaran ini
- nilai harapan (E[x])
- rata-rata jangka panjang
Tulis expected_value(outcomes, probs) (jumlah hasil kali probabilitas), dan simulate_mean(n, seed) yang mengocok dadu adil n kali dengan np.random.default_rng(seed).integers(1, 7, size=n) dan mengembalikan rata-ratanya.
Ada masalah di pelajaran ini? Laporkan · Tanya tentang pelajaran ini
Latihan ini akan segera dibuka
Selesaikan pelajaran sebelumnya agar pelajaran ini terbuka. Seluruh kursus ini gratis, tidak butuh akun, dan kamu bisa baca pelajaran ini sekarang.
Browser ini memblokir cookie untuk learn.floati.life, jadi pelajaran yang sudah kamu selesaikan di sini tidak bisa dibuka berurutan. Izinkan cookie untuk situs ini dan muat ulang.